stt(mic): микрофон на 48 кГц (нативная частота) + даунсемплинг 48→16 — рваность ARGT78 давала ровные провалы 100 мс

app-glasses/src/main/kotlin/pw/binom/viewmate/glasses/stt/SttMicStream.kt

@@ -38,10 +38,10 @@ class SttMicStream(
         val recorder = runCatching {
             AudioRecord(
                 MediaRecorder.AudioSource.MIC,
-                16_000,
+                MIC_SAMPLE_RATE,
                 AudioFormat.CHANNEL_IN_MONO,
                 AudioFormat.ENCODING_PCM_16BIT,
-                6_400,
+                MIC_BUFFER_BYTES,
             )
         }.getOrNull()
 
@@ -58,13 +58,17 @@ class SttMicStream(
         job = scope.launch(Dispatchers.IO) {
             try {
                 recorder.startRecording()
-                log("stt", "микрофон запущен (16 кГц, s16, mono)")
-                val buf = ByteArray(CHUNK_BYTES) // = 1600 кадров (16-бит моно) = 100 мс
+                log("stt", "микрофон запущен ($MIC_SAMPLE_RATE Гц, s16, mono)")
+                val buf = ByteArray(MIC_CHUNK_FRAMES * 2) // 100 мс при 48 кГц
                 while (isActive && shouldRun()) {
-                    val frames = recorder.read(buf, 0, CHUNK_BYTES / 2) // inFrameCount — КАДРЫ
+                    val frames = recorder.read(buf, 0, MIC_CHUNK_FRAMES) // inFrameCount — КАДРЫ
                     if (frames > 0) {
                         val raw = micChunkBytes(buf, frames)
-                        val chunk = gainChunk(raw) // усиление: в дамп и на телефон — один и тот же чанк
+                        // 48→16 кГц: каждый 3-й сэмпл (whisper/VAD ждут 16 кГц).
+                        // Микрофон ARGT78 на 16 кГц писал рвано (ровные провалы 100 мс) —
+                        // на 48 кГц (нативная частота драйвера) поток ожидается ровным.
+                        val down = downsample48To16(raw)
+                        val chunk = gainChunk(down) // усиление: в дамп и на телефон — один и тот же чанк
                         if (dumpWriter != null) {
                             runCatching { dumpWriter.write(chunk) }
                                 .onFailure { log("stt", "dump микрофона: ${it.message}") }
@@ -143,6 +147,32 @@ class SttMicStream(
 /** 100 мс при 16 кГц, s16, моно: 1600 кадров × 2 байта = 3200 байт. */
 internal const val CHUNK_BYTES = 3_200
 
+/** Микрофон очков пишем на нативной частоте драйвера (48 кГц), дальше даунсэмплим в 16 кГц. */
+internal const val MIC_SAMPLE_RATE = 48_000
+
+/** 100 мс при 48 кГц: 4800 кадров. */
+internal const val MIC_CHUNK_FRAMES = 4_800
+
+/** Минимальный буфер AudioRecord: 2 чанка по 100 мс. */
+internal const val MIC_BUFFER_BYTES = MIC_CHUNK_FRAMES * 2 * 2
+
+/**
+ * 48 кГц → 16 кГц: каждый 3-й сэмпл s16le mono. frames — число кадров,
+ * не кратных 3 — хвост отбрасывается. На выходе — байты s16le 16 кГц.
+ */
+internal fun downsample48To16(buf: ByteArray, frames: Int = buf.size / 2): ByteArray {
+    val usable = frames - (frames % 3)
+    val out = ByteArray(usable / 3 * 2)
+    var i = 0
+    var k = 0
+    while (k < usable * 2) {
+        out[i++] = buf[k]
+        out[i++] = buf[k + 1]
+        k += 6
+    }
+    return out
+}
+
 /**
  * AudioRecord.read(byte[], int, inFrameCount) возвращает ЧИСЛО КАДРОВ, а не байт.
  * 16-бит моно: кадр = 2 байта. Байты = frames * 2.

app-glasses/src/test/kotlin/pw/binom/viewmate/glasses/stt/MicChunkTest.kt

@@ -118,4 +118,36 @@ class MicChunkTest {
     }
 
     private fun recorderWouldReturn(frames: Int) = frames
+
+    /*
+     * Даунсемплинг 48→16 кГц (TASK-mic-48k): микрофон ARGT78 на 16 кГц пишет
+     * рвано (ровные провалы тишины с периодом 100 мс) — пишем на 48 кГц
+     * (нативная частота драйвера) и прореживаем каждый 3-й сэмпл.
+     */
+
+    @Test
+    fun downsample_4800Frames_gives3200Bytes() {
+        val buf = ByteArray(MIC_CHUNK_FRAMES * 2) // 4800 кадров = 9600 байт
+        val out = downsample48To16(buf, MIC_CHUNK_FRAMES)
+        assertEquals(3_200, out.size, "4800 кадров 48кГц → 1600 сэмплов 16кГц = 3200 байт")
+    }
+
+    @Test
+    fun downsample_takesEveryThirdSample() {
+        // 6 кадров 48кГц (12 байт): 0,1,2,3,4,5 → 0 и 3 (каждый 3-й)
+        val buf = byteArrayOf(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12)
+        val out = downsample48To16(buf, 6)
+        assertEquals(4, out.size, "6 кадров → 2 сэмпла = 4 байта")
+        assertEquals(1, out[0].toInt() and 0xff)
+        assertEquals(2, out[1].toInt() and 0xff)
+        assertEquals(7, out[2].toInt() and 0xff)
+        assertEquals(8, out[3].toInt() and 0xff)
+    }
+
+    @Test
+    fun downsample_nonMultipleOf3_dropsTail() {
+        val buf = ByteArray(14) // 7 кадров: 6 usable + 1 отброшен
+        val out = downsample48To16(buf, 7)
+        assertEquals(4, out.size, "6 usable кадров → 2 сэмпла")
+    }
 }